随着经济全球化的日益加剧,世界各国的资本经济市场也被密切的联系在了一起,一个世界主流资本市场的动荡往往会引发全世界一系列的连锁反应,从而,为了更好应对这些动荡带来的不利影响,认清世界主流资本市场间日益密切的联系变得非常迫切和重要。灵活有效刻画多元联合分布,不仅仅是经济金融学科的难题,也是很多学科领域正都面临的难题。实践中最常用的多元联合分布模型是多元正态分布,但是多元正态分布的限制条件很严苛,也难以刻画那些存在不对称性和厚尾特征的模型。Copula模型由于能够刻画这些分布特征,现今在建立相关性模型时变得非常盛行。但是从二元Copula扩展到多元Copula,就会受限于标准多元Copula函数结构的不灵活,使得用多元Copula函数解决多元联合分布问题面临挑战。藤Copula不同于标准的多元Copula,它是将多元问题分解为了一系列的二元Copula模块,利用二元Copula刻画分布的灵活性就能克服标准多元Copula结构僵化的问题。藤Copula函数使得我们可以从简单的单变量的边缘分布函数出发,来逐步构建复杂的多元联合分布函数,而且,此时根据新的多元联合分布函数得到的变量间的相关性,再不是简单的线性相关关系,而是更加贴近事实的非线性关系。通过藤Copula建立多元联合分布的模型的好坏有很多因素决定,不仅要在通过二元Copula搭建多元联合分布模型过程中选好藤结构,要为每一对二元Copula模块选好合适的Copula函数类型,还要在建模之前,非常细致得处理每一个变量的边缘分布。在知识背景方面,本文首先系统介绍了Copula函数的性质与应用、藤Copula方法的思想以及详细的多元Copula模型搭建方法,然后介绍了用来处理时间序列的ARMA模型和GARCH模型的性质、用法与检验。然后结合上述知识,来实证研究美国纳斯达克指数、伦敦金融时报指数、日经225指数、新加坡海峡时报指数、和上证指数收益率之间的相关性,在处理变量边缘分布时以处理上证指数收益率序列为例,由于收益率序列一般满足时间序列的特征,而且样本序列也存在相关性、和异方差,于是逐步建立了合适的ARMA-GARCH模型来消除这些影响,但是经由该模型过滤后的标准残差项并不满足一些常见标准分布函数的假设,本文用经验分布函数来替代了标准残差边界分布,即能很好的描述标准残差的特性,也能取得很好的估计效果。在处理完各变量的边缘分布后,分别在C藤结构和D藤结构下构建收益率的多元联合分布函数,并分析比较了C藤和D藤结构下,我们建立的混合多元Copula函数与单一Copula函数类型的多元Copula函数对样本的拟合情况。虽然不是对各国际主流股票市场收益率的相关性直接建模,但收益率之间的相关性隐含在多元联合分布模型模拟转化得到的一组组收益率里。所以,最后借助蒙特卡洛模拟来完成基于藤Copula模型的各股票市场投资组合VaR分析,结果在不同的置信区间设置下,模型拟合结果都通过Kupiec返回检验,从而说明了所建模型能够有效的刻画各股票收益率之间的相关性,而且能够有效的捕捉风险价值的尾部特征。